搜索
基于工业大数据技术基础的应用方案规划主要内容大数据规模、特征从大数据到工业大数据工业大数据应用背景工业大数据应用方案的规划思路智能工厂中的典型工业大数据应用大数据的规模与相对性1B：一个字符或一粒沙子1K：一句句子或一撮沙子1M：20页左右的Powerpoint文件或一勺沙子1G：一摞厚度10米左右的书或一鞋盒沙子1T：300小时左右的高清视频或一操场沙子1P：30~40万张数字照片或者一片1.5公里左右长海滩沙子1E：大约2000年前后全球信息的一半或者上海到香港之间海滩的全部沙子2010年全球数字世界信息规模首次达到1ZB（1万亿GB)IDC:TheDigitalUniversein2020:BigData,BiggerDigitalShadows,andBiggestGrowthintheFarEast.大数据指的是所涉及的数据集规模已经超越了传统数据库软件获取、存储、管理和分析的能力。这是一个被故意设计成主观性的定义，并且是一个关于多大的数据集才能被认为是大数据的可变定义……随着技术的不断发展，复核大数据标准的数据集容量也会增长；并且定义随不同的行业也有变化，这依赖于在一个特定行业通常使用何种软件和数据集有多大……McKinseyGlobalInstitute.BigData:ThenextFrontierforInnovation,CometitionandProductivity大数据特征Volumn(数量）Variety(种类）Velocity（速度）Veracity（真实）Value（价值）结构化：数据库等半结构化:如XML准结构化:如URL非结构化：不同类型文件工业大数据中，生产数据的速度实时性更明显各企业或组织机构中，80%以上数字信息都是非结构化•ESB集成方法，数据驱动的应用•数据可视化，数据关系，数据货币化应用层•SOA服务，迭代更新，实时交换机制•ECTL，商业智能BI，机器学习，模式识别分析层•结构化数据和非结构化数据的处理•MPP并行处理，线性扩展，OLAP管理层•虚拟化、网络化、分布式（软件定义SDX）•横向可扩展的体系结构（区块链），数据采集基础层工业大数据中，数据的采集来源更多样化，应用模式更复杂数字化设备数据采集者数据汇总者数据使用者数据应用模式大数据产业模式工业大数据需要基于归因、建议、预测、洞察、基准的应用从大数据到工业大数据工业大数据中，数据的采集来源更多样化，PLC控制、传感器、内部系统、互联网应用模式更复杂：研发、设计、工艺、生产、管理、决策、运维、环境实时性要求：工业控制级别的上下环节协同知识共享：隐形知识显性化的嵌入式技术体系比互联网式样的知识地图更为复杂数据隐私保护：涉及商业秘密的前提条件下公有云与私有云模式的谨慎区隔工业大数据面临的智能制造架构德国RAMI4.0架构美国IIRA日本IVRA中国智能制造架构我国智能制造架构体系中工业大数据的位置工业大数据面临的国内外平台云平台解决方案普奥工业云索为航天云网舜宇其他云服务公有云私有云行业云企业云工业大数据面临的技术进步技术背景计算CPU虚拟化内存虚拟化存储ＤＡＳ／NASSAN云存储网络网卡虚拟化虚拟交换机网络虚拟化流程SDNSDM制造流程定义安全分布式ＣＡＯｐｅｎＩＤＯａｕｔｈ数据微服务：数据继承应用集成ESB区块链应用协同新在线事务（Nosql/newsql)）分布式处理（Ｈ／Ｍ）高级分析机器学习聚类关联回归分类数据可视化制造型企业内部的数据与应用用户基于工业大数据技术基础的应用规划基于工业大数据技术基础的应用规划（2）基于工业大数据技术基础的应用规划（3）以数据驱动的智慧企业（智慧工厂/智能院所）规划思路战略设定•集团战略•企业战略•信息化战略需求分析•产品竞争力•生产成本•管理流程•研发流程•质量•客户服务•信息系统基础•业务软件•数据现状成熟度评估模型架构•整体架构•技术路线技术方案•总体框架•云基础平台•网络安全•用户授权•数据标准•科技研发•其他各子系统•系统集成050战略与资源配置组织与流程优化制造模式与管理优化技术工具与集成度客户与产业链协同以数据驱动的智慧企业（智慧工厂/智能院所）规划方案纲要典型工业大数据应用（1）：科技研发大数据平台典型工业大数据应用（2）：云设计/云仿真平台应用仿真云平台对工程问题进行仿真应用仿真应用开发环境将经验、流程固化为仿真App上传下载应用仿真App针对具体的设计问题、工程问题进行仿真，找出最优设计方案，而无需了解任何仿真细节。专业仿真工程师典型工业大数据应用（3）：产品智能检测典型工业大数据应用（4）：能量监控05101520253035404550能耗总量综合能耗产值用电量典型工业大数据应用（5）：MRO工业大数据可采用的数据可视化可视化空间标量•一维二维三维地理信息多变量空间数据场时变数据层次和网络数据文档和文本跨媒体数据•关系复杂高维多元可视化交互可视化评测面向领域只有了解制造本身才能造就智能工厂。我们可能是最好的智能工厂解决方案研究者、实践者。我们可能是最好的工业大数据产业创新者。数据，智造驱动力